Podcast
Questions and Answers
Que fait la méthode 'isnull().sum()' utilisée dans ce code?
Que fait la méthode 'isnull().sum()' utilisée dans ce code?
- Remplace les valeurs nulles par la moyenne de chaque colonne
- Compte le nombre de valeurs manquantes dans chaque colonne du DataFrame (correct)
- Compte le nombre de doublons dans le DataFrame
- Supprime les valeurs nulles dans le DataFrame
Quel est le but de la ligne de code 'df['CA'] = df['Gross'].fillna('0').str.replace('$', '').str.replace('M', '').astype(float) * 1000000'?
Quel est le but de la ligne de code 'df['CA'] = df['Gross'].fillna('0').str.replace('$', '').str.replace('M', '').astype(float) * 1000000'?
- Remplacer les valeurs manquantes par zéro dans la colonne 'Gross'
- Supprimer le symbole 'M' des valeurs dans la colonne 'Gross'
- Convertir les valeurs de la colonne 'Gross' en entiers
- Calculer le chiffre d'affaires en millions de dollars pour chaque film (correct)
Quelle fonction est utilisée pour créer une nouvelle variable 'ID' dans le DataFrame?
Quelle fonction est utilisée pour créer une nouvelle variable 'ID' dans le DataFrame?
- factorize() (correct)
- replace()
- applymap()
- map()
Quelle est l'utilité de la condition 'df['TYPE1'] = np.where(df['RunTime'].fillna(0) > 60, 'Film', np.where(df['RunTime'].notnull(), 'Série', 'Inconnu'))'?
Quelle est l'utilité de la condition 'df['TYPE1'] = np.where(df['RunTime'].fillna(0) > 60, 'Film', np.where(df['RunTime'].notnull(), 'Série', 'Inconnu'))'?
Quelle est l'utilité de la condition 'df['TYPE2'] = np.where(df['YEAR'].str.contains('–').fillna(False), 'Série', np.where(df['YEAR'].notnull(), 'Film', 'Inconnu'))'?
Quelle est l'utilité de la condition 'df['TYPE2'] = np.where(df['YEAR'].str.contains('–').fillna(False), 'Série', np.where(df['YEAR'].notnull(), 'Film', 'Inconnu'))'?
Que fait la fonction 'pd.factorize(df['MOVIES']) + 1' dans ce contexte?
Que fait la fonction 'pd.factorize(df['MOVIES']) + 1' dans ce contexte?
'df['CA']= df['CA'].map("{:.2f}".format)' a pour objectif principal de:
'df['CA']= df['CA'].map("{:.2f}".format)' a pour objectif principal de:
'df.replace('nan', np.nan, inplace=True)' a pour but principal de :
'df.replace('nan', np.nan, inplace=True)' a pour but principal de :
'df['ID'].map(df['ID'].value_counts()).fillna(0) > 1' classe les films en fonction de :
'df['ID'].map(df['ID'].value_counts()).fillna(0) > 1' classe les films en fonction de :
'df.duplicated().sum()' renvoie :
'df.duplicated().sum()' renvoie :